如果你只想記一個結論：想被 AI 引擎乾淨地讀懂並引用，就用 JSON-LD。同樣一份 schema.org 標記，換成 Microdata 或 RDFa 不會讓 Google 拒收，但會逼 AI 爬蟲多花力氣，把散落在 HTML 各處的屬性重新拼回一個實體，而多出來的每一步，都是被漏讀或誤讀的機會。
三種格式其實在描述同一套詞彙
先釐清一個常被混淆的點：JSON-LD、Microdata、RDFa 不是三種互相競爭的資料，而是三種把 schema.org 詞彙寫進網頁的語法。你要標記的實體都一樣，Organization、Product、Article、FAQPage、HowTo 都是同一套詞彙，差別只在這些屬性放在哪裡、用什麼形式承載。schema.org 官方三種都支援，Google 也三種都能解析。所以這篇要比的不是「誰能用」，而是「哪一種讓機器讀起來最省事」。
根本差異：結構化資料與 HTML 的耦合程度
三者最關鍵的分歧，在於結構化資料跟 HTML 綁得多緊。Microdata 把標記直接寫進 HTML 元素，靠 itemscope、itemtype、itemprop 這幾個屬性，一層一層掛在 div、span、h1 上。RDFa 走同樣的思路，改用 vocab、typeof、property 這組屬性，把語意疊在既有標籤裡，表達能力更完整，語法也更囉嗦。JSON-LD 則完全相反，它把整個實體寫成一段獨立的 JSON，放在 type 為 application/ld+json 的 script 標籤中，跟畫面上的 HTML 各走各的。
- JSON-LD：一段自成一體的 JSON 物件，集中放在 script 標籤；與版型解耦，最好維護、最好程式化產生，也是 Google 明確首選。
- Microdata：用 itemscope、itemprop 等屬性內嵌在可見 HTML 裡；標記與內容綁死，改版動到版型就容易連帶弄壞標記。
- RDFa：以 vocab、typeof、property 屬性內嵌，語意表達力最強、最貼近 W3C 的連結資料理想，但語法最重、也最容易寫錯。
為什麼 AI 爬蟲偏好 JSON-LD
AI 爬蟲讀 JSON-LD 省事的原因很直白：一個實體就是一個完整的 JSON 物件，欄位、值、巢狀關係都在同一個區塊裡，解析器把它讀進來就是一棵乾淨的物件樹，不必回頭掃描整份 DOM。Microdata 和 RDFa 則要求機器先走訪整個 HTML，把散在不同標籤上的屬性一個個收集起來，再依巢狀關係重新組回一個實體。頁面越複雜、版型層數越深，重組時出錯的機率就越高。
還有兩個現實因素放大了差距。第一是 JavaScript 渲染：不少 AI 爬蟲對 JS 的執行比 Googlebot 保守，如果你的 Microdata 是靠前端框架動態插進 DOM 的，抓取當下可能根本還沒生成；而 JSON-LD 常見做法是在伺服器端就輸出完整字串，抓到即可用。第二是維護成本：JSON-LD 集中在一處，要新增 FAQPage 或改 Product 價格，改一段 JSON 就好，不牽動版型；內嵌式標記則每次改版都得重新確認屬性有沒有被移動或刪掉。
Microdata 與 RDFa 還有存在意義嗎
這不代表 Microdata 和 RDFa 是錯的。如果你在用某些老牌 CMS 或電商佈景主題，內建的結構化標記很可能就是 Microdata，運作正常時沒必要為改而改。RDFa 在需要跨詞彙、表達複雜連結資料的場景仍有價值，例如政府開放資料或學術出版。但就「被 AI 引擎引用」這個具體目標而言，這兩者的長處幾乎用不上，短處反而會被放大。
遷移到 JSON-LD，先避開這幾個坑
- 標記與畫面內容不一致：JSON-LD 裡寫的評分、價格、作者，必須和使用者實際看得到的內容相符，否則可能被判為垃圾標記。
- 有 script 卻缺必填欄位：例如 Product 缺 name 或 offers、FAQPage 的問題沒有對應答案，機器會直接略過整個實體。
- 忘了用 @id 串接實體：當 Organization、WebSite、Article 彼此關聯時，用 @id 建立引用，能讓 AI 拼出更完整的品牌知識圖譜。
- 沒驗證就上線：用 Google 的 Rich Results Test 或 schema.org 驗證器先跑一遍，比事後從搜尋主控台發現錯誤快得多。
一個容易被忽略的重點：結構化資料的目的不是騙過機器，而是幫機器確認它從畫面上讀到的東西。所以最穩的做法，是讓 JSON-LD 成為可見內容的鏡像，畫面上有的才寫進標記，標記裡宣稱的都能在畫面上找到。這種一致性，正是 AI 引擎判斷一個頁面「可不可信、值不值得引用」的底層依據。
結構化資料不會讓一個內容空洞的頁面變得值得引用；它真正的作用，是讓一個本來就該被引用的頁面，別因為機器讀不懂而被跳過。— Tenten GEO 技術審計團隊
你該怎麼檢查自己的網站
回到你自己的網站，可以先問三個問題：主要頁面用的是哪一種格式？同一個實體有沒有被重複標記？JSON-LD 的欄位跟畫面內容對得起來嗎？多數 B2B SaaS 網站的結構化資料，是隨著不同時期、不同外包一路累積出來的，格式混雜、欄位殘缺很常見，而這些缺口在 AI 引擎眼中，就是把你略過的理由。如果你想知道自己的網站在 AI 爬蟲眼中到底長什麼樣、哪些實體被漏讀，可以預約一次 30 分鐘 GEO 診斷，我們會直接拿你的實際頁面走一遍。
